[論文レビュー] Detection and Attention: Diagnosing Pulmonary Lung Cancer from CT by Imitating Physicians

Ning Li, Haopeng Liu+5 more|arXiv (Cornell University)|Dec 14, 2017

Lung Cancer Diagnosis and Treatment参考文献 11被引用数 5

ひとこと要約

本論文は、放射線科医の読影行動を模倣することで、CTスキャンにおける肺がん検出のための新規CADシステムを提案する。このタスクを動画オブジェクト検出として扱い、時間的順序情報を活用するためのMulti-slice Propagation (MSP) と Motionless-guide Suppression (MLGS) を導入。LUNA16でSOTAのFROCスコア0.892を達成し、1患者あたり20秒未塔のエンドツーエンド推論を実現した。

ABSTRACT

This paper proposes a novel and efficient method to build a Computer-Aided Diagnoses (CAD) system for lung nodule detection based on Computed Tomography (CT). This task was treated as an Object Detection on Video (VID) problem by imitating how a radiologist reads CT scans. A lung nodule detector was trained to automatically learn nodule features from still images to detect lung nodule candidates with both high recall and accuracy. Unlike previous work which used 3-dimensional information around the nodule to reduce false positives, we propose two simple but efficient methods, Multi-slice propagation (MSP) and Motionless-guide suppression (MLGS), which analyze sequence information of CT scans to reduce false negatives and suppress false positives. We evaluated our method in open-source LUNA16 dataset which contains 888 CT scans, and obtained state-of-the-art result (Free-Response Receiver Operating Characteristic score of 0.892) with detection speed (end to end within 20 seconds per patient on a single NVidia GTX 1080) much higher than existing methods.

研究の動機と目的

• CTスキャンにおける肺ネオプリュージョン検出のため、放射線科医の読影プロセスを模倣するコンピュータ支援診断システムの開発。
• CTスライス間の順序情報を利用することで、誤検出と見逃しを低減し、検出性能を向上。
• 高い再現率と正確性を維持しながら、高速な推論を実現。
• より効率的で解釈可能なアプローチを用いて、LUNA16ベンチマークで既存手法を上回ること。

提案手法

• 本手法は、CTスキャンを連続する2次元スライスのシーケンスとしてモデル化し、肺ネオプリュージョン検出を動画（VID）におけるオブジェクト検出タスクとして定式化する。
• 個々の2次元スライス上で領域提案ネットワークを訓練し、高い再現率と正確性を持つネオプリュージョン候補を生成する。
• Multi-slice Propagation (MSP) は、隣接スライス間の空間的・時間的整合性を活用して、ネオプリュージョン候補を精緻化・伝搬する。
• Motionless-guide Suppression (MLGS) は、時間的シーケンスにおける動きのパターンを分析することで、真のネオプリュージョンがスライス間で安定していることを利用し、誤検出を抑制する。
• 3次元畳み込みを避けることで、2次元特徴とシーケンスモデリングを組み合わせ、計算効率を向上させる。
• LUNA16データセット上でエンドツーエンドの学習を実施し、1台のNVIDIA GTX 1080で1患者あたり20秒未塔の推論を実現。

実験結果

リサーチクエスチョン

• RQ1 CTスキャンを動画シーケンスとしてモデル化することで、2次元または3次元手法と比較して肺ネオプリュージョン検出性能が向上するか？
• RQ2 MSP や MLGS といったシーケンスベースの手法は、3次元ボリューム特徴に依存せずに、誤検出と見逃しを効果的に低減できるか？
• RQ3 放射線科医の読影行動を模倣するシステムは、著しく高速な推論を実現しながらも、SOTAの性能を達成できるか？
• RQ4 FROCスコアと推論速度の観点から、本手法は既存のCADシステムと比較してどのように異なるか？

主な発見

• 提案手法は、LUNA16データセットで自由応答受信操作特性（FROC）スコア0.892を達成し、SOTAの結果を示した。
• 1台のNVIDIA GTX 1080で1患者あたり20秒未塔のエンドツーエンド推論を実現し、既存手法と比較して顕著に高速であった。
• Multi-slice Propagation (MSP) は、空間的・時間的整合性を活用してスライス間でネオプリュージョン候補を効果的に伝搬させ、検出再現率を向上させた。
• Motionless-guide Suppression (MLGS) は、動かない構造（ネオプリュージョンに似たもの）を特定・抑制することで、誤検出を効果的に低減した。
• 3次元畳み込みネットワークに依存する従来手法と比較して、本手法は優れており、2次元ベースのシーケンスモデリングがより効率的かつ効果的であることを示した。